开源AI模型悄悄升级，跑分涨了3分还能自己干活

有人刚把DeepSeek V4.1 Flash 1017的无审查版本调试完，转头就看到Ling-3.1-flash-1019发布的消息。这条推文在X上获得了971个赞、超过24万次浏览，评论区里已经有人排着队等开源权重出来。

这次更新的核心是跑分变化：在Artificial Analysis Intelligence Index（一个第三方AI能力评测榜单）上，Ling-3.1-flash-1019从41分涨到44分。作为对比，它的上一代Ling 3.1 Flash得分41，比DeepSeek V4.1 Flash的39分高出2分。

更值得注意的是「代理能力」（也就是AI能不能自己动手完成多步骤任务）的提升：AA-Briefcase基准测试的Elo分数从1400涨到1524，AutomationBench-AA的通过率从62%提升到68%。作为参照，更早的Ling 3.0 Flash在AA-Briefcase上只有797分。

@AntLingAGI 在推文中表示：API访问和开源权重即将推出。@sanchoyai 认为这是开源AI的又一次升级，代理能力的提升尤其值得关注。@Hikari_07_jp 则从实用角度出发，提到Ling-3.1-flash的安全护栏较弱，几乎可以无损去除审查，预计1019版本也会延续这个特点。

Ling 3.1 Flash本身是一个总参数560B、激活参数25B的推理模型，上下文窗口达到1000k tokens（约75万个汉字的处理长度），2026年10月发布时就已经支持文本输入和推理能力。这次的1019版本更像是一次定向优化，把重点放在了「让AI更会自己干活」上。

对于普通使用者来说，这意味着以后调用API时，同一个模型能处理的任务复杂度会更高——比如自动整理文件、跨工具串联操作这类以前需要人工介入的环节，现在通过率从62%提到了68%。而开源权重即将开放的消息，也意味着本地部署的用户很快能用上这个新版本。

一个开放的问题：当开源模型的代理能力持续提升，那些靠「帮你点几下按钮」赚钱的自动化工具，还能撑多久？